- •Предмет и задачи статистики.
- •Статистическое наблюдение.
- •Виды статистических наблюдений.
- •Группировка материалов статистических наблюдений.
- •Многомерные группировки.
- •Обобщающие статистические показатели.
- •По временной характеристике
- •Абсолютные величины.
- •Относительные величины.
- •Средние величины.
- •Статистические распределения и их характеристики.
- •Показатели центра распределения.
- •Ранговые характеристики.
- •Показатели вариации.
- •Дисперсия альтернативного признака.
- •Теорема сложения дисперсии.
- •Дисперсионный анализ.
- •Однофакторный комплекс.
- •Показатели дифференциации и концентрации.
- •Форма распределения.
- •Основные виды кривых.
- •Критерии согласия.
- •Выборочные наблюдения.
- •Типологический отбор.
- •Серийный отбор.
- •Устранение диспропорций между структурой генеральной и выборочной совокупности.
- •Оценка оптимального соотношения числа отбора единиц на каждой ступени отбора.
- •Малые выборки.
- •Моментные наблюдения.
- •Статистическое изучение взаимосвязей между факторами.
- •Методы выявления наличия взаимосвязи между признаками.
- •Показатели оценки степени тесноты.
- •Линейный коэффициент корреляции.
- •Критерий 2.
- •Не параметрические показатели степени тесноты
- •Ранговый коэффициент корреляции.
- •Коэффициент корреляции рангов Кендела.
- •Оценка взаимосвязи между качественными признаками.
- •Коэффициент взаимной сопряженности Пирсона и Чупрова.
- •Построение Аналитической модели взаимосвязи.
- •Метод наименьших квадратов.
- •Множественная корреляция.
- •Экономическая интерпретация результатов моделирования.
- •Экономические индексы.
- •Аналитические задачи.
- •Оценка относительного размера влияния факторов на результативный показатель.
- •Индексы качественных показателей по однородной совокупности.
- •Оценка влияния факторов на результативный показатель.
- •Общие принципы построения многофакторных индексных моделей.
- •Статистическое изучение динамики социально-экономических явлений.
- •Характеристика интенсивности.
- •Изучение закономерности течения явлений.
- •Адаптивный метод краткосрочного прогнозирования.
- •Корреляция в рядах динамики.
- •Корреляция между динамическими рядами.
- •Статистика населения.
- •Рынок труда.
- •Система национальных счетов (снс).
- •Валовой внутренний продукт (ввп).
- •Национальное богатство.
- •3 Вида оценок:
- •Основной капитал.
- •Статистика производства, обращения.
- •Показатели финансовых результатов деятельности предприятия.
-
Форма распределения.
Начальный момент распределения (n = 1..4)
.
Центральный момент распределения (n = 1..4)
.
Условный момент распределения (n = 1..4, A 0, A xср)
.
Здесь n – порядок моментов распределения.
Выравнивание эмпирических данных на кривой распределения – для построения модели распределения частот ряда и прогнозирования изменений этих частот.
3 этапа:
-
выяснение общего характера распределения.
-
выравн. эмпирическ. данных.
-
проверка степени соответствия эмпирич. и теоретич. распределений.
Показатель асимметрии (средняя = мода = медиана). К простейшим показателям относятся показ. основанные на построении показ. центра распределения.
Показатель Пирсона
.
Если > 0 – правосторонняя ассиметрия, < 0 – левосторонняя ассиметрия.
Показатель Спирмана
.
Если > 0 – правосторонняя ассиметрия, < 0 – левосторонняя ассиметрия.
Показатель ассиметрии на основе ранговых характеристик (процентили)
.
Показатель ассиметрии на основе центрального момента 3-го порядка
.
Оценка существенности асимметрии
,.
Определяется по табл. Лапласа (при больших выборках) с заданной вероятностью. Если tрасч > tтабл, ассиметрия существенна.
Показатель эксцесса
< 0 – плосковершинный., > 0 – островершинный.
Оценка существенности эксцесса
,.
Если > 3 – с вероятностью 99% утв. о существовании эксцесса, < 3 – эксцесс не существует.
-
Основные виды кривых.
Теоретическая кривая характеризует собой предельное распределение частот, к которым стремятся эмпирические данные при увеличении числа наблюдений.
Смешение распределений – закон распр-я СВ образованный смешением двух генеральных совокупностей в определенных пропорциях с одинаковыми законами распределения.
Композиция распр-я – закон распр-я СВ являющ. суммой двух СВ с разными законами распр-я.
Биноминальное распределение. Используется для моделирования распределения дискретных величин (при моделировании демографическ. призн.).
Опред.: биноминальным распределением наз. распределение числа m появления события A при n независимых наблюдениях, при каждом из которых вероятность p появления события остается постоянной.
q = 1 - p.
.
Нормальное распределение. Если случайная величина имеет плотность распределения
,
то она подчиняется закону нормального распределения, где t – нормированное отклонение:
.
Свойства:
-
кривая НР симетрична относительно максимальной ординаты.
-
мода и медиана равны
-
кривая НР имеет две точки перегиба, находящиеся на растоянии +/- от центра распределения
-
на расстоянии xср находятся 68,3% единиц, в промежутке xср2 – 95,4%, в промежутке xср3 – 99,7%
Кривая НР м.б. использована при моделировании, если распределение частот моделируется под воздействием мн-ва случайных факторов, ни один из которых не оказывает преимуществ. воздействия и все факторы независимы между собой.
Переход к теоретическим частотам:
,
где n – число данных, i – величина интервала.
Выравнивание по кривой НР с использованием интегральной ф-ии:
.
Интегральная ф-ия Лапласа
.
Распределение Пуассона. Используется для дискретных признаков, где по мере увеличения значений признаков, частоты резко уменьшаются и xср2
,
где P – вероятность появления отдельного значения.
Теоретическая частота:
.
Распределение Грамма-Шарлье.
,
.